【动态规划】最大子段和问题，最大子矩阵和问题，最大m子段和问题

http://blog.csdn.net/liufeng_king/article/details/8632430

1、最大子段和问题

     问题定义：对于给定序列a1,a2,a3……an,寻找它的某个连续子段，使得其和最大。如( -2,11,-4,13,-5,-2 )最大子段是{ 11,-4,13 }其和为20。

(1)枚举法求解

枚举法思路如下：

以a[0]开始: {a[0]}, {a[0],a[1]},{a[0],a[1],a[2]}……{a[0],a[1],……a[n]}共n个

以a[1]开始: {a[1]}, {a[1],a[2]},{a[1],a[2],a[3]}……{a[1],a[2],……a[n]}共n-1个

……

以a[n]开始:{a[n]}共1个

一共(n+1)*n/2个连续子段，使用枚举，那么应该可以得到以下算法：
     具体代码如下：

1. //3d4-1 最大子段和问题的简单算法
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSum(int n,int *a,int& besti,int& bestj);
6. int main()
7. {
8. int a[] = {-2,11,-4,13,-5,-2};
9. for(int i=0; i<6; i++)
10. {
11. cout<<a[i]<<" ";
12. }
13. int besti,bestj;
14. cout<<endl;
15. cout<<"数组a的最大连续子段和为：a["<<besti<<":"<<bestj<<"]:"<<MaxSum(6,a,besti,bestj)<<endl;
16. return 0;
17. }
18. int MaxSum(int n,int *a,int& besti,int& bestj)
19. {
20. int sum = 0;
21. for(int i=0; i<n; i++)//控制求和起始项
22. {
23. for(int j=i; j<n; j++)//控制求和结束项
24. {
25. int thissum = 0;
26. for(int k=i; k<=j; k++)//求和
27. {
28. thissum += a[k];
29. }
30. if(thissum>sum)//求最大子段和
31. {
32. sum = thissum;
33. besti = i;
34. bestj = j;
35. }
36. }
37. }
38. return sum;
39. }

从这个算法的三个for循环可以看出，它所需要的计算时间是O(n^3)。事实上，如果注意到，则可将算法中的最后一个for循环省去，避免重复计算，从而使算法得以改进。改进后的代码如下：

1. //3d4-2 最大子段和问题的避免重复的简单算法
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSum(int n,int *a,int& besti,int& bestj);
6. int main()
7. {
8. int a[] = {-2,11,-4,13,-5,-2};
9. for(int i=0; i<6; i++)
10. {
11. cout<<a[i]<<" ";
12. }
13. int besti,bestj;
14. cout<<endl;
15. cout<<"数组a的最大连续子段和为：a["<<besti<<":"<<bestj<<"]:"<<MaxSum(6,a,besti,bestj)<<endl;
16. return 0;
17. }
18. int MaxSum(int n,int *a,int& besti,int& bestj)
19. {
20. int sum = 0;
21. for(int i=0; i<n; i++)//控制求和起始项
22. {
23. int thissum = 0;
24. for(int j=i; j<=n; j++)//控制求和结束项
25. {
26. thissum += a[j];//求和
27. if(thissum>sum)
28. {
29. sum = thissum;
30. besti = i;
31. bestj = j;
32. }
33. }
34. }
35. return sum;
36. }

(2)分治法求解

分治法思路如下：

将序列a[1:n]分成长度相等的两段a[1:n/2]和a[n/2+1:n],分别求出这两段的最大字段和，则a[1:n]的最大子段和有三中情形：

[1]、a[1:n]的最大子段和与a[1:n/2]的最大子段和相同；

[2]、a[1:n]的最大子段和与a[n/2+1:n]的最大子段和相同；

[3]、a[1:n]的最大字段和为，且1<=i<=n/2,n/2+1<=j<=n。

可用递归方法求得情形[1],[2]。对于情形[3],可以看出a[n/2]与a[n/2+1]在最优子序列中。因此可以在a[1:n/2]中计算出，并在a[n/2+1:n]中计算出。则s1+s2即为出现情形[3]时的最优值。

具体代码如下：

1. //3d4-1 最大子段和问题的分治算法
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSubSum(int *a,int left,int right);
6. int MaxSum(int n,int *a);
7. int main()
8. {
9. int a[] = {-2,11,-4,13,-5,-2};
10. for(int i=0; i<6; i++)
11. {
12. cout<<a[i]<<" ";
13. }
14. cout<<endl;
15. cout<<"数组a的最大连续子段和为:"<<MaxSum(6,a)<<endl;
16. return 0;
17. }
18. int MaxSubSum(int *a,int left,int right)
19. {
20. int sum = 0;
21. if(left == right)
22. {
23. sum = a[left]>0?a[left]:0;
24. }
25. else
26. {
27. int center = (left+right)/2;
28. int leftsum = MaxSubSum(a,left,center);
29. int rightsum = MaxSubSum(a,center+1,right);
30. int s1 = 0;
31. int lefts = 0;
32. for(int i=center; i>=left;i--)
33. {
34. lefts += a[i];
35. if(lefts>s1)
36. {
37. s1=lefts;
38. }
39. }
40. int s2 = 0;
41. int rights = 0;
42. for(int i=center+1; i<=right;i++)
43. {
44. rights += a[i];
45. if(rights>s2)
46. {
47. s2=rights;
48. }
49. }
50. sum = s1+s2;
51. if(sum<leftsum)
52. {
53. sum = leftsum;
54. }
55. if(sum<rightsum)
56. {
57. sum = rightsum;
58. }
59. }
60. return sum;
61. }
62. int MaxSum(int n,int *a)
63. {
64. return MaxSubSum(a,0,n-1);
65. }

算法所需的计算时间T(n)满足一下递归式：

解此递归方程可知：T(n)=O(nlogn)。

(3)动态规划算法求解

算法思路如下：

记，则所求的最大子段和为：

由b[j]的定义知，当b[j-1]>0时，b[j]=b[j-1]+a[j]，否则b[j]=a[j]。由此可得b[j]的动态规划递推式如下：

b[j]=max{b[j-1]+a[j],a[j]},1<=j<=n。

具体代码如下：

1. //3d4-1 最大子段和问题的动态规划算法
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSum(int n,int *a);
6. int main()
7. {
8. int a[] = {-2,11,-4,13,-5,-2};
9. for(int i=0; i<6; i++)
10. {
11. cout<<a[i]<<" ";
12. }
13. cout<<endl;
14. cout<<"数组a的最大连续子段和为:"<<MaxSum(6,a)<<endl;
15. return 0;
16. }
17. int MaxSum(int n,int *a)
18. {
19. int sum=0,b=0;
20. for(int i=1; i<=n; i++)
21. {
22. if(b>0)
23. {
24. b+=a[i];
25. }
26. else
27. {
28. b=a[i];
29. }
30. if(b>sum)
31. {
32. sum = b;
33. }
34. }
35. return sum;
36. }

上述算法的时间复杂度和空间复杂度均为O(n)。

     2、最大子矩阵和问题
        (1)问题描述：给定一个m行n列的整数矩阵A，试求A的一个子矩阵，时期各元素之和为最大。

(2)问题分析：

用二维数组a[1:m][1:n]表示给定的m行n列的整数矩阵。子数组a[i1:i2][j1:j2]表示左上角和右下角行列坐标分别为(i1,j1)和(i2,j2)的子矩阵，其各元素之和记为：

最大子矩阵问题的最优值为。如果用直接枚举的方法解最大子矩阵和问题，需要O(m^2n^2)时间。注意到，式中，，设，则

容易看出，这正是一维情形的最大子段和问题。因此，借助最大子段和问题的动态规划算法MaxSum，可设计出最大子矩阵和动态规划算法如下:

1. //3d4-5 最大子矩阵之和问题
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. const int M=4;
6. const int N=3;
7. int MaxSum(int n,int *a);
8. int MaxSum2(int m,int n,int a[M][N]);
9. int main()
10. {
11. int a[][N] = {{4,-2,9},{-1,3,8},{-6,7,6},{0,9,-5}};
12. for(int i=0; i<M; i++)
13. {
14. for(int j=0; j<N; j++)
15. {
16. cout<<a[i][j]<<" ";
17. }
18. cout<<endl;
19. }
20. cout<<endl;
21. cout<<"数组a的最大连续子段和为:"<<MaxSum2(M,N,a)<<endl;
22. return 0;
23. }
24. int MaxSum2(int m,int n,int a[M][N])
25. {
26. int sum = 0;
27. int *b = new int[n+1];
28. for(int i=0; i<m; i++)//枚举行
29. {
30. for(int k=0; k<n;k++)
31. {
32. b[k]=0;
33. }
34. for(int j=i;j<m;j++)//枚举初始行i,结束行j
35. {
36. for(int k=0; k<n; k++)
37. {
38. b[k] += a[j][k];//b[k]为纵向列之和
39. int max = MaxSum(n,b);
40. if(max>sum)
41. {
42. sum = max;
43. }
44. }
45. }
46. }
47. return sum;
48. }
49. int MaxSum(int n,int *a)
50. {
51. int sum=0,b=0;
52. for(int i=1; i<=n; i++)
53. {
54. if(b>0)
55. {
56. b+=a[i];
57. }
58. else
59. {
60. b=a[i];
61. }
62. if(b>sum)
63. {
64. sum = b;
65. }
66. }
67. return sum;
68. }

以上代码MaxSum2方法的执行过程可用下图表示：

     3、最大m子段和问题

(1)问题描述：给定由n个整数(可能为负数)组成的序列a1,a2,a3……an,以及一个正整数m,要求确定此序列的m个不相交子段的总和达到最大。最大子段和问题是最大m字段和问题当m=1时的特殊情形。

(2)问题分析：设b(i,j)表示数组a的前j项中i个子段和的最大值，且第i个子段含a[j](1<=i<=m,i<=j<=n),则所求的最优值显然为。与最大子段问题相似，计算b(i,j)的递归式为：

其中，表示第i个子段含a[j-1],而项表示第i个子段仅含a[j]。初始时，b(0,j)=0,(1<=j<=n);b(i,0)=0,(1<=i<=m)。

具体代码如下：

1. //3d4-6 最大m子段问题
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSum(int m,int n,int *a);
6. int main()
7. {
8. int a[] = {0,2,3,-7,6,4,-5};//数组脚标从1开始
9. for(int i=1; i<=6; i++)
10. {
11. cout<<a[i]<<" ";
12. }
13. cout<<endl;
14. cout<<"数组a的最大连续子段和为:"<<MaxSum(3,6,a)<<endl;
15. }
16. int MaxSum(int m,int n,int *a)
17. {
18. if(n<m || m<1)
19. return 0;
20. int **b = new int *[m+1];
21. for(int i=0; i<=m; i++)
22. {
23. b[i] = new int[n+1];
24. }
25. for(int i=0; i<=m; i++)
26. {
27. b[i][0] = 0;
28. }
29. for(int j=1;j<=n; j++)
30. {
31. b[0][j] = 0;
32. }
33. //枚举子段数目，从1开始，迭代到m，递推出b[i][j]的值
34. for(int i=1; i<=m; i++)
35. {
36. //n-m+i限制避免多余运算，当i=m时，j最大为n，可据此递推所有情形
37. for(int j=i; j<=n-m+i; j++)
38. {
39. if(j>i)
40. {
41. b[i][j] = b[i][j-1] + a[j];//代表a[j]同a[j-1]一起，都在最后一子段中
42. for(int k=i-1; k<j; k++)
43. {
44. if(b[i][j]<b[i-1][k]+a[j])
45. b[i][j] = b[i-1][k]+a[j];//代表最后一子段仅包含a[j]
46. }
47. }
48. else
49. {
50. b[i][j] = b[i-1][j-1]+a[j];//当i=j时，每一项为一子段
51. }
52. }
53. }
54. int sum = 0;
55. for(int j=m; j<=n; j++)
56. {
57. if(sum<b[m][j])
58. {
59. sum = b[m][j];
60. }
61. }
62. return sum;
63. }

上述算法的时间复杂度为O(mn^2)，空间复杂度为O(mn)。其实，上述算法中，计算b[i][j]时，只用到了数组b的第i-1行和第i行的值。因而，算法中只要存储数组b的当前行，不必存储整个数组。另一方面，的值可以在计算i-1行时预先计算并保存起来。计算第i行的值时不必重新计算，节省了计算时间和空间。因此，算法可继续改进如下：

1. //3d4-7 最大m子段问题
2. #include "stdafx.h"
3. #include <iostream>
4. using namespace std;
5. int MaxSum(int m,int n,int *a);
6. int main()
7. {
8. int a[] = {0,2,3,-7,6,4,-5};//数组脚标从1开始
9. for(int i=1; i<=6; i++)
10. {
11. cout<<a[i]<<" ";
12. }
13. cout<<endl;
14. cout<<"数组a的最大连续子段和为:"<<MaxSum(3,6,a)<<endl;
15. }
16. int MaxSum(int m,int n,int *a)
17. {
18. if(n<m || m<1)
19. return 0;
20. int *b = new int[n+1];
21. int *c = new int[n+1];
22. b[0] = 0;//b数组记录第i行的最大i子段和
23. c[1] = 0;//c数组记录第i-1行的最大i-1子段和
24. for(int i=1; i<=m; i++)
25. {
26. b[i] = b[i-1] + a[i];
27. c[i-1] = b[i];
28. int max = b[i];
29. //n-m+i限制避免多余运算，当i=m时，j最大为n，可据此递推所有情形
30. for(int j=i+1; j<=i+n-m;j++)
31. {
32. b[j] = b[j-1]>c[j-1]?b[j-1]+a[j]:c[j-1]+a[j];
33. c[j-1] = max;//预先保存第j-1行的最大j-1子段和
34. if(max<b[j])
35. {
36. max = b[j];
37. }
38. }
39. c[i+n-m] = max;
40. }
41. int sum = 0;
42. for(int j=m; j<=n; j++)
43. {
44. if(sum<b[j])
45. {
46. sum = b[j];
47. }
48. }
49. return sum;
50. }

上述算法时间复杂度为O(m(n-m))，空间复杂度为O(n)。当m或n-m为常数时，时间复杂度和空间复杂度均为O(n)。